新的一年又要到來了，各個大的公司又在這年末為大家送上了新春的祝福，支付寶還是延續了這幾年的傳統，在年末為大家送上了集五福的活動，為了大家能更快更好的掃出來大大的“?！?，今天就帶領大家利用python做一個一“?！鞭D“N”福的小demo。
先看效果圖
首先，我們需要拿到一張大大的“?！弊謭D片，然后，我們就可以對于這張圖進行操作了。我們今天要實現的就是將一張“?！弊洲D化為五種不同的風格，現為大家呈上效果圖。
灰度圖
首先為大家展示的是灰度圖，灰度圖就是將彩色的RGB三通道圖像，轉化為單通道的灰色圖像，RGB三個通道的顏色通過比例系數進行相加。程序如下所示。
def Gray_fu(self): gray_img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY) return gray_img
輪廓圖
接下來是輪廓圖，輪廓圖需要輸入一張灰度圖像，首先是對圖像進行濾波處理，去除噪聲，然后針對于灰色的圖片中像素突然變化的點來檢測邊緣，什么是邊緣突然變化呢，參考我們的灰度圖，灰度圖中，“?！弊值倪吘壨尘邦伾霈F了巨大的差異，這種差異就是尋找邊緣輪廓的依據，程序如下圖所示。
def Canny_fn(self): img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY) img = cv2.GaussianBlur(img, (3, 3), 0) canny_img = cv2.Canny(img, 50, 150) return canny_img
反色圖
對于反色圖，理解起來并不難，就是用255減去將原圖中的每一個像素值，得到的就是我們的反色圖，程序如下：
def invert_fu(self): img = 255 - self.ori_img return img
腐蝕圖
對于腐蝕圖，因為在我們選取的圖像中，紅色是背景，黑色才是福字，所以對紅色進行膨脹也就是對黑色進行腐蝕。這也是 OpenCV 的內置功能。我們只需要調用opencv中的膨脹函數即可。
def dilate_fu(self): # img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY) kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) img = cv2.dilate(self.ori_img, kernel, iterations=1) print(img.shape) return img
福到家
最后是我們的“福到家”，我們只需要將福字進行旋轉即可。
def rotate_fu(self): img = cv2.rotate(self.ori_img, 1) return img
完整代碼
import cv2 class Change_pic(): def __init__(self, img): self.ori_img = cv2.imread(img) def Gray_fu(self): '''灰度圖''' gray_img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY) return gray_img def Canny_fn(self): '''輪廓圖''' img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY) img = cv2.GaussianBlur(img, (3, 3), 0) canny_img = cv2.Canny(img, 50, 150) return canny_img def invert_fu(self): '''反色圖''' img = 255 - self.ori_img return img def dilate_fu(self): '''腐蝕圖''' # img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY) kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) img = cv2.dilate(self.ori_img, kernel, iterations=1) print(img.shape) return img def rotate_fu(self): '''福到家''' img = cv2.rotate(self.ori_img, 1) return img
總結
以上所述是小編給大家介紹的新年福利來一波之Python輕松集齊五福，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對億速云網站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
